CN108199743B - 基于神经网络的抗干扰跳频方法 - Google Patents

基于神经网络的抗干扰跳频方法 Download PDF

Info

Publication number
CN108199743B
CN108199743B CN201810004133.4A CN201810004133A CN108199743B CN 108199743 B CN108199743 B CN 108199743B CN 201810004133 A CN201810004133 A CN 201810004133A CN 108199743 B CN108199743 B CN 108199743B
Authority
CN
China
Prior art keywords
channel
nyi
neural network
sequence
communication
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810004133.4A
Other languages
English (en)
Other versions
CN108199743A (zh
Inventor
贺发文
尤明辉
李立锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiamen Intretech Inc
Original Assignee
Xiamen Intretech Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xiamen Intretech Inc filed Critical Xiamen Intretech Inc
Priority to CN201810004133.4A priority Critical patent/CN108199743B/zh
Publication of CN108199743A publication Critical patent/CN108199743A/zh
Application granted granted Critical
Publication of CN108199743B publication Critical patent/CN108199743B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/69—Spread spectrum techniques
    • H04B1/713—Spread spectrum techniques using frequency hopping
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/69—Spread spectrum techniques
    • H04B1/713—Spread spectrum techniques using frequency hopping
    • H04B1/715—Interference-related aspects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/318—Received signal strength
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/12—Arrangements for detecting or preventing errors in the information received by using return channel
    • H04L1/16—Arrangements for detecting or preventing errors in the information received by using return channel in which the return channel carries supervisory signals, e.g. repetition request signals
    • H04L1/18—Automatic repetition systems, e.g. Van Duuren systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了基于神经网络的抗干扰跳频方法，根据神经网络算法公式计算当前信道被选择作为当前载波信道的能力Pi，Pi＝Xi*Nxi+Yi*Nyi，并依据Pi选取出通信信道并试图进行连接，如果连接成功那么以该信道进行通信，将选取出通信信道的Nyi进行修改Nyi＝Nyi+A，连接失败，选取出通信信道的Nyi进行修改Nyi＝Nyi‑B，依据神经网络算法公式寻找下一个信道，循环往复。本发明方法随着连接次数的增加，该算法能够快速的寻找到能够连接成功的信道。

Description

基于神经网络的抗干扰跳频方法
技术领域
本发明涉及通信领域，具体涉及一种基于神经网络的抗干扰跳频方法。
背景技术
由于信道干扰导致通信稳定性下降的问题在实际应用中不断发生，解决这个问题一个比较通用的算法是采用跳频技术。传统的跳频算法是基于RSSI信号值进行伪随机选取信道进行自动跳频，这个跳频算法简单直接，但是双方握手通信上的效率过低，使得通信带宽下降。
随着2.4G无线通信的广泛使用，在人们的身边随处都充斥着各种各样的电磁波，由于通信频段有限，以致在某个频段上发生信道干扰的几率大大增加。而一旦发生干扰，通信的稳定性便急速下降，如何在有限的频段上实现一个稳定的通信变的愈加重要，本发明便是基于此背景而设计的一种跳频算法，通过该算法可以有效的增加通信的稳定性。
发明内容
本发明的目的在于提出在有限的频段上实现一个稳定的通信，本发明提出一种跳频方法，通过跳频方法可以有效的增加通信的稳定性。
为达成上述目的，本发明提出一种基于神经网络的抗干扰跳频方法，采用如下技术方案：
本发明提供的基于神经网络的抗干扰通信方法，该方法是基于RSSI信号强弱分配不同信道的初始权重因子，采用神经网络算法实现动态改变不同信道的权重因子，依据不同的权重因子改变每个信道被选取的概率，同时本发明方法还包括在握手上后通信过程中加入重传机制，确保通信稳定性。
本发明的跳频序列是基于RSSI的信号值进行筛选，同时对当前通信信道的选取取决与该信道在历史通信过程中的“权重”(信道在历史连接上次数越多，权重也会随着增大，反之减少)。
使用本发明的优势在于随着连接次数的增加，该算法能够快速的寻找到能够连接成功的信道，并结合RSSI以及历史连接情况进行排序(排序的算法基于单层神经网络算法)。当前所选取的信道并不是随机产生，会根据不同信道排名改变每个信道被选取的概率。在这种情况下，系统总是会针对性的选取在当前情况下最好的信道尝试进行通信。
附图说明
此处所说明的附图用来提供对发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明基于神经网络的抗干扰跳频方法的流程图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
在通信过程中，某信道能否被连接上有多种因素影响，其中能够被很好的量化指标就是RSSI的值，通常情况下RSSI越好表示该信道的信号值越好，也表示在该信道被连接上的几率会比较高，所以采用RSSI作为神经网络算法的输入源是比较可靠的。
本发明方法是根据神经网络算法公式计算当前信道被选择作为当前载波信道的能力Pi，Pi＝Xi*Nxi+Yi*Nyi，并依据Pi选取出通信信道并试图进行连接，如果连接成功那么以该信道进行通信，将选取出通信信道的Nyi进行修改Nyi＝Nyi+A，连接失败，选取出通信信道的Nyi进行修改Nyi＝Nyi-B，依据神经网络算法公式寻找下一个信道，循环往复；
其中Xi为序列为i的信道的RSSI值，Nxi为序列为i的信道的RSSI所占有的权重，Nyi为序列为i的信道在历史连接中所占有的权重，Yi为1；A＝B，A、B均为常数。
本发明基于神经网络的抗干扰跳频方法的算法模型如下：
Pi＝Xi*Nxi+Yi*Nyi；(i∈频道序号)算法公式
其中Pi为序列为i的信道被选择作为当前载波信道的能力；
Xi为序列为i的信道的RSSI值，通过MCU能够获取到，Nxi表示RSSI所占有的权重，在本算法中固定为1；
Yi目前针对所有该值都为1，可以理解成一个恒定的输入，Nyi表示该信道在历史连接中所占有的权重，权重越高表示连接成功次数越多，该值是在随着连接次数的改变动态变化。
依据上述原理，本发明实施例的基于神经网络的抗干扰跳频方法，具体包括包括如下步骤：
步骤S1，获取序列为i的信道RSSI值Xi，Xi为序列为i的信道的RSSI值；
步骤S2，初始化Nxi和Nyi，Nxi为序列为i的信道的RSSI所占有的权重，Nyi为序列为i的信道在历史连接中所占有的权重；
步骤S3，将信道RSSI值前N的信道作为通信序列；
步骤S4，根据神经网络算法公式计算当前信道被选择作为当前载波信道的能力Pi，Pi＝Xi*Nxi+Yi*Nyi，Pi为序列为i的信道被选择作为当前载波信道的能力，其中，Yi为1，Nyi初始默认为0.5；
步骤S5，将选取得到的信道设置为通信信道，
步骤S6，当前信道进行通信连接，并判断是否连接成功，若连接成功，则修改当前信道Nyi，Nyi＝Nyi+A，并返回步骤S6；若连接失败，进入步骤S7；
步骤S7，判断前信道进行通信是否重传超时，若重传超时，则进入步骤S8，否则重传，并返回步骤S6；
步骤S8，判断当前信道进行通信时间是否达到跳频间隔，若达到跳频间隔，则进入步骤S9，否则返回步骤S5；
步骤S9,获取当前信道RSSI值,修改通信信道的权重因子Nyi，Nyi＝Nyi-B，根据根据神经网络算法公式计算当前信道作为当前载波信道的能力Pi，返回步骤S5；
其中A＝B＝0.1。
需要说明的是，步骤S2，初始化过程中，Nyi初始默认为0.5在整个方法过程中，Nyi大于等于0.1且Nyi小于等于5.0
上述说明描述了本发明的优选实施例，但应当理解本发明并非局限于上述实施例，且不应看作对其他实施例的排除。通过本发明的启示，本领域技术人员结合公知或现有技术、知识所进行的改动也应视为在本发明的保护范围内。

Claims (3)

1.一种基于神经网络的抗干扰跳频方法，其特征在于，
根据神经网络算法公式计算当前信道被选择作为当前载波信道的能力Pi，Pi＝Xi*Nxi+Yi*Nyi，并依据Pi选取出通信信道并试图进行连接，如果连接成功那么以该信道进行通信，将选取出通信信道的Nyi进行修改Nyi＝Nyi+A，连接失败，选取出通信信道的Nyi进行修改Nyi＝Nyi-B，依据神经网络算法公式寻找下一个信道，循环往复；
其中Xi为序列为i的信道的RSSI值，Nxi为序列为i的信道的RSSI所占有的权重，Nyi为序列为i的信道在历史连接中所占有的权重，Yi为1；A＝B＝0.1，A、B均为常数。
2.根据权利要求1所述的基于神经网络的抗干扰跳频方法，其特征在于，
具体包括如下步骤：
步骤S1，获取序列为i的信道RSSI值Xi，Xi为序列为i的信道的RSSI值；
步骤S2，初始化Nxi和Nyi，Nxi为序列为i的信道的RSSI所占有的权重，Nyi为序列为i的信道在历史连接中所占有的权重；
步骤S3，将信道RSSI值前N的信道作为通信序列；
步骤S4，根据神经网络算法公式计算当前信道被选择作为当前载波信道的能力Pi，Pi＝Xi*Nxi+Yi*Nyi，Pi为序列为i的信道被选择作为当前载波信道的能力，其中，Yi为1，Nyi初始默认为0.5；
步骤S5，将选取得到的信道设置为通信信道，
步骤S6，当前信道进行通信连接，并判断是否连接成功，若连接成功，则修改当前信道Nyi，Nyi＝Nyi+A，并返回步骤S6；若连接失败，进入步骤S7；
步骤S7，判断当前信道进行通信是否重传超时，若重传超时，则进入步骤S8，否则重传，并返回步骤S6；
步骤S8，判断当前信道进行通信时间是否达到跳频间隔，若达到跳频间隔，则进入步骤S9，否则返回步骤S5；
步骤S9,获取当前信道RSSI值,修改通信信道的权重因子Nyi，Nyi＝Nyi-B，根据神经网络算法公式计算当前信道作为当前载波信道的能力Pi，返回步骤S5；
其中A＝B，A、B均为常数。
3.根据权利要求1所述的基于神经网络的抗干扰跳频方法，其特征在于，
Nyi大于等于0.1且Nyi小于等于5.0。
CN201810004133.4A 2018-01-03 2018-01-03 基于神经网络的抗干扰跳频方法 Active CN108199743B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810004133.4A CN108199743B (zh) 2018-01-03 2018-01-03 基于神经网络的抗干扰跳频方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810004133.4A CN108199743B (zh) 2018-01-03 2018-01-03 基于神经网络的抗干扰跳频方法

Publications (2)

Publication Number Publication Date
CN108199743A CN108199743A (zh) 2018-06-22
CN108199743B true CN108199743B (zh) 2020-09-22

Family

ID=62587604

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810004133.4A Active CN108199743B (zh) 2018-01-03 2018-01-03 基于神经网络的抗干扰跳频方法

Country Status (1)

Country Link
CN (1) CN108199743B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113472390B (zh) * 2021-07-07 2022-08-02 哈尔滨工程大学 一种基于深度学习的跳频信号参数估计方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1199529A (zh) * 1995-09-26 1998-11-18 太平洋通讯科学有限公司 用于蜂窝通信系统低功率移动单元的方法和装置
CN1507700A (zh) * 2002-02-21 2004-06-23 ��ʽ���綫֥ 自适应跳频方案中的信道管理
WO2015038847A1 (en) * 2013-09-12 2015-03-19 Qualcomm Incorporated Selecting a communication channel based on a neighboring cell constraint
CN104639209A (zh) * 2015-02-13 2015-05-20 深圳市睿祺智尚科技有限公司 一种2·4g传输网络自适应跳频方法
EP3018856A1 (en) * 2014-11-10 2016-05-11 Alcatel Lucent Method for selecting a wireless communication channel

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9167536B2 (en) * 2013-04-10 2015-10-20 Qualcomm Incorporated Method and apparatus for sir estimation using time multiplexed pilots and TPC commands
US9258193B2 (en) * 2014-01-14 2016-02-09 Nokia Technologies Oy Method, apparatus, and computer program product for wireless network cluster discovery and concurrency management
CN103889020A (zh) * 2014-03-14 2014-06-25 上海交通大学 一种基于动态路由的无线传感网络系统及其方法
CN104821837B (zh) * 2015-04-27 2017-03-15 西安空间无线电技术研究所 一种用于mf‑tdma体制的跳频抗干扰系统
CN105897301B (zh) * 2016-06-30 2018-05-04 山东航天电子技术研究所 一种自适应抗干扰跳频组网方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1199529A (zh) * 1995-09-26 1998-11-18 太平洋通讯科学有限公司 用于蜂窝通信系统低功率移动单元的方法和装置
CN1507700A (zh) * 2002-02-21 2004-06-23 ��ʽ���綫֥ 自适应跳频方案中的信道管理
WO2015038847A1 (en) * 2013-09-12 2015-03-19 Qualcomm Incorporated Selecting a communication channel based on a neighboring cell constraint
EP3018856A1 (en) * 2014-11-10 2016-05-11 Alcatel Lucent Method for selecting a wireless communication channel
CN104639209A (zh) * 2015-02-13 2015-05-20 深圳市睿祺智尚科技有限公司 一种2·4g传输网络自适应跳频方法

Also Published As

Publication number Publication date
CN108199743A (zh) 2018-06-22

Similar Documents

Publication Publication Date Title
TWI706643B (zh) 通道盲檢方法、信號傳輸方法和相關設備
CN112351418B (zh) 能力信息的上报方法及终端
CN106027197B (zh) 传输参数确定方法及装置
WO2021212347A1 (zh) 一种通信方法及相关设备
CN102415182A (zh) 用于在移动网络中通信的方法
CN105873214A (zh) 一种基于遗传算法的d2d通信系统的资源分配方法
CN111614434A (zh) 搜索空间的盲检方法及通信装置
CN104038963A (zh) 无线通信系统中控制信息的传输方法和装置
CN108199743B (zh) 基于神经网络的抗干扰跳频方法
US20230028448A1 (en) Feedback information sending method and apparatus
US11963170B2 (en) Resource mapping method and apparatus
CN105451268B (zh) 一种高能效的异构小区接入方法
CN111597139B (zh) 一种gpu的通信方法、系统、设备以及介质
TWI748323B (zh) 新無線電車聯網行動通訊中存在帶內發射時之資源配置技術
CN112217665A (zh) 一种物联网终端接收和发射性能的定量评估方法
CN104780610A (zh) 一种基于终端直通通信的资源分配方法
CN109152045A (zh) 确定下行控制信道资源的方法、装置、用户设备及基站
CN107017967A (zh) 一种改良串行策略的scma通信系统多用户检测方法
CN107707329B (zh) 稀疏码多址接入系统及其多用户检测方法
EP3840260A1 (en) Scl parallel decoding method, apparatus, and device
WO2019192304A1 (zh) 信道盲检方法、信号传输方法和相关设备
US20230422220A1 (en) Method and Apparatus for Adjusting Inner Loop Value, Storage Medium and Electronic Device
CN109661026A (zh) 一种基于noma的d2d辅助中继系统功率分配方法
CN106851694B (zh) 一种用于异构网络的动态最优网络选择方法及装置
US10015787B2 (en) Method for selecting consecutive resource blocks and associated base station

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant